完全背包问题

参考了以下几篇博客：
https://www.cnblogs.com/Kalix/p/7622102.html
https://blog.csdn.net/qwq________/article/details/53075472

完全背包问题：

在n种物品中选取若干件（同一种物品可多次选取）放在空间为W的背包里，每种物品的体积为w1，w2，…，wn，与之相对应的价值为v1,v2，…，vn.求解怎么装物品可使背包里物品总价值最大。

解答

对于此问题可以写出状态转移方程：
dp[i][j] = max{dp[i][j],dp[i-1][j - k * w[i]] + k * w[i]}(0<=k*w[i]<=j)

dp[i][j]表示前i种物品恰放入一个容量为j的背包的最大价值，那我们用k表示当前容量下可以装第i种物品的件数。我们要保证 dp[i-1][j-kw[i]] 中 j-kw[i]>=0那么k的范围应该是0≤k≤j/w[i]。dp[i-1][j - k * w[i]] + k * w[i]的含义是在j的容量取不同k个第i物品的价值。dp[i-1][j - k * w[i]]的含义是在j-k*w[i]的容量下前i-1个物品的价值。

 public static void main(String[] args) {

        Scanner input = new Scanner(System.in);
        int n = input.nextInt();//n个物品
        int W = input.nextInt();//W的背包容量
        int[] w = new int[n+1];//每个物品的体积
        int[] v = new int[n+1];//每个物品的价值
        for(int i = 0 ; i<n ; i++){
            w[i] = input.nextInt();
            v[i] = input.nextInt();
        }
        solve_1(n,W,w,v);
    }

    static void solve_1(int n,int W,int[] w,int[] v){
    	int[][]  dp = new int[n+1][W+1];
        for(int i = 0 ; i<n ; i++ ){
            for(int j = 0 ; j<=W ; j++){ //容量从0一直到容量W
                for(int k = 0 ; k*w[i] <= j ; k++){
                    dp[i+1][j] = Math.max( dp[i+1][j] , dp[i][j-k*w[i]] + k*v[i]);
                }
            }
        }
        System.out.println(dp[n][W]);
    }

能不能将完全背包问题转化成01背包问题呢？

根据01背包问题的特点：每个物品仅有一件，只有放入或者不放入两种状态。

d[i][j]：即i个物品放入体积为j的背包的最大价值，按照上面说的思路，我们可以先求d[1][j]，d[2][j]，…d[i-1][j]，最后求出d[i][j]。这就是从子问题求解，然后扩展至要解决的目标问题。

首先，若物品i的体积大于剩余体积j，那么肯定无法放入，则d[i][j] = d[i-1][j]；
否则，物品i的体积小于剩余体积j
若放入，则d[i][j]=d[i-1][j-i的体积]+i的价值，d[i-1][j-i的体积]是可以根据上面的表求出来的
若不放入，则d[i][j] = d[i-1][j]
那么，d[i][j]肯定取放入和不放入两种情况下的最大价值的那种情况，也就是d[i][j] = max{d[i-1][j-i的体积]+i的价值，d[i-1][j]}

我们用伪代码来描述这种情况：

if 物品i的体积 > 剩余体积j
则d[i][j] = d[i-1][j]；
else
则d[i][j] = max{d[i-1][j-i的体积]+i的价值，d[i-1][j]}

---

我们可以把把完全背包问题转化为01背包问题来解，第i种物品最多选W/v[i]件，于是可以把第i种物品转化为j/v[i]件费用及价值均不变的物品，然后求解这个01背包问题。

即：将一种物品拆成多件物品。

我们现在dp每一个物品，dp出该种物品在不同剩余容量下的最优解，他是以每1个为单位的。考虑是否在当前所有物品总数中添加一件新的该物品

我们用i代表前i种物品，W代表包的最大承重，w[i]是第i种物品消耗的空间、v[i]是第i种物品的价值、f[i,j]是最大价值(从前i种物品取若干件放入有j个剩余空间的包)有j个剩余空间的包和有j个空间的包的含义是一样的。

如果不放那么dp[i][j]=dp[i-1][j]

如果确定放，那么dp[i][j]=dp[i][j-w[i]+v[i]]，为什么会是dp[i][j-w[i]]+v[i]？

因为我们要考虑的是在当前基础上添加一件物品i。

就是说如果你放第i种物品，并不牵扯到第i-1种物品，所以不管你放多少件，都要在第i种商品的基础上操作

所以说递推式为：

dp[i][j]=max(dp[i-1][j],dp[i][j-w[i]]+v[i])

 public static void main(String[] args) {

        Scanner input = new Scanner(System.in);
        int n = input.nextInt();//n个物品
        int W = input.nextInt();//W的背包容量
        int[] w = new int[n+1];//每个物品的体积
        int[] v = new int[n+1];//每个物品的价值
        for(int i = 0 ; i<n ; i++){
            w[i] = input.nextInt();
            v[i] = input.nextInt();
        }
        solve_2(n,W,w,v);
    }
    static void solve_2(int n,int W,int[] w,int[] v){
    	int[][]  dp = new int[n+1][W+1];
        for(int i = 0 ; i<n ; i++){
            for(int j = 0 ; j <= W ; j++){
                if( j < w[i] ){
                    dp[i+1][j] = dp[i][j];
                }else{
                    dp[i+1][j] = Math.max(dp[i][j], dp[i+1][j-w[i]]+v[i]);
                }
            }
        }
        System.out.println(dp[n][W]);
    }